发明名称 多证据源冲突的组合度量方法
摘要 本发明公开的多证据源冲突的组合度量方法,具体按照以下步骤实施:步骤1、选择并分析四种常用的冲突度量方法;步骤2、选取三种常用的冲突度量方法两两结合构成本发明的多证据源冲突的组合度量方法,对证据源进行分析,根据冲突度量方法和证据源的特性选择相应的组合冲突度量方法;步骤3、采用本发明的多证据源冲突的组合度量方法中的三种组合冲突度量方法计算出证据源间的冲突值,并对冲突值进行分析,根据冲突值的分析结果选择适合的证据理论。本发明的方法可以提高判断证据源间冲突程度的有效性和证据理论选择的准确性,本发明目的在于克服具有不同特性的证据源,利用现有的冲突度量方法得到的冲突值存在效果不理想的情形。
申请公布号 CN103020450B 申请公布日期 2016.04.20
申请号 CN201210536343.0 申请日期 2012.12.12
申请人 西安工程大学 发明人 陈金广;张芬;马丽丽
分类号 G06F19/00(2011.01)I 主分类号 G06F19/00(2011.01)I
代理机构 西安弘理专利事务所 61214 代理人 张瑞琪
主权项 多证据源冲突的组合度量方法,其特征在于,具体按照以下步骤实施:步骤1、选择并分析四种常用的冲突度量方法:典型的冲突度量方法:是Shafer中的证据组合规则中的冲突度量方法,具体算法如下:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>K</mi><mo>=</mo><msub><mi>m</mi><mo>&CirclePlus;</mo></msub><mrow><mo>(</mo><mi>&Phi;</mi><mo>)</mo></mrow><mo>=</mo><munder><mo>&Sigma;</mo><mrow><mi>B</mi><mo>&cap;</mo><mi>C</mi><mo>=</mo><mi>&Phi;</mi></mrow></munder><msub><mi>m</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>B</mi><mo>)</mo></mrow><msub><mi>m</mi><mn>2</mn></msub><mrow><mo>(</mo><mi>C</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000849043460000011.GIF" wi="1037" he="143" /></maths>其中,m<sub>1</sub>(B)和m<sub>2</sub>(C)分别是两组证据源的基本概率赋值函数,当K=1时为完全冲突,此时Dempster组合规则无定义,K=0时表示没有冲突,当0&lt;K&lt;1时为非完全冲突;赌博信度距离:辨识框架Θ上性质不同的两个证据源的基本概率赋值函数分别为m<sub>1</sub>和m<sub>2</sub>,m<sub>1</sub>和m<sub>2</sub>对应的Pignistic概率函数为<img file="FDA0000849043460000012.GIF" wi="147" he="86" />和<img file="FDA0000849043460000013.GIF" wi="198" he="87" />赌博信度距离如下:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msubsup><mi>difBetP</mi><msub><mi>m</mi><mn>1</mn></msub><msub><mi>m</mi><mn>2</mn></msub></msubsup><mo>=</mo><msub><mi>max</mi><mrow><mi>A</mi><mo>&SubsetEqual;</mo><mi>&Theta;</mi></mrow></msub><mrow><mo>(</mo><mo>|</mo><msub><mi>BetP</mi><msub><mi>m</mi><mn>1</mn></msub></msub><mo>(</mo><mi>A</mi><mo>)</mo><mo>-</mo><msub><mi>BetP</mi><msub><mi>m</mi><mn>2</mn></msub></msub><mo>(</mo><mi>A</mi><mo>)</mo><mo>|</mo><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000849043460000014.GIF" wi="1382" he="122" /></maths>其中,<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msub><mi>BetP</mi><msub><mi>m</mi><mi>i</mi></msub></msub><mrow><mo>(</mo><mi>A</mi><mo>)</mo></mrow><mo>=</mo><munder><mo>&Sigma;</mo><mrow><mi>X</mi><mo>&Element;</mo><msup><mn>2</mn><mi>&Theta;</mi></msup></mrow></munder><mfrac><mrow><mo>|</mo><mi>X</mi><mo>&cap;</mo><mi>A</mi><mo>|</mo></mrow><mrow><mo>|</mo><mi>X</mi><mo>|</mo></mrow></mfrac><msub><mi>m</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>X</mi><mo>)</mo></mrow><mo>,</mo></mrow>]]></math><img file="FDA0000849043460000015.GIF" wi="893" he="214" /></maths>|A|表示集合A中元素的个数,<img file="FDA0000849043460000016.GIF" wi="606" he="118" />表示两个证据对于A的赌博信度的差值,赌博信度距离即所有子集差值中的最大值;王壮的冲突度量方法:辨识框架Θ上的两个基本概率赋值函数为m<sub>1</sub>和m<sub>2</sub>,m<sub>1</sub>和m<sub>2</sub>之间的距离按以下算法实施:<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><mi>R</mi><mo>=</mo><munder><mo>&Sigma;</mo><mrow><mi>A</mi><mo>&SubsetEqual;</mo><mi>&Omega;</mi></mrow></munder><mfrac><mrow><mo>|</mo><msub><mi>m</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>A</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>m</mi><mn>2</mn></msub><mrow><mo>(</mo><mi>A</mi><mo>)</mo></mrow><mo>|</mo></mrow><mn>2</mn></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000849043460000017.GIF" wi="805" he="174" /></maths>其中,|m<sub>1</sub>(A)‑m<sub>2</sub>(A)|表示取绝对值运算,R∈[0,1],Ω表示辨别框架;张昌芳的冲突度量方法,包括传统的冲突部分,具体方法如下:<maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><msubsup><mi>K</mi><mrow><mi>i</mi><mi>j</mi></mrow><mi>n</mi></msubsup><mo>=</mo><msub><mi>K</mi><mrow><mi>i</mi><mi>j</mi></mrow></msub><mo>+</mo><munder><mi>&Sigma;</mi><mrow><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>&cap;</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>&NotEqual;</mo><mi>&iota;</mi></mrow></munder><msub><mi>m</mi><mi>i</mi></msub><mrow><mo>(</mo><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>)</mo></mrow><mo>&CenterDot;</mo><msub><mi>m</mi><mi>j</mi></msub><mrow><mo>(</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>)</mo></mrow><mfrac><mrow><mo>|</mo><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>|</mo><mo>&CenterDot;</mo><mo>|</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>|</mo><mo>-</mo><mo>|</mo><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>&cap;</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>|</mo></mrow><mrow><mo>|</mo><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>|</mo><mo>&CenterDot;</mo><mo>|</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>|</mo></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000849043460000021.GIF" wi="1789" he="270" /></maths>其中,K<sub>ij</sub>是Shafer的冲突度量方法,m<sub>i</sub>(F<sub>is</sub>)和m<sub>j</sub>(F<sub>jt</sub>)分别是两个证据源的基本概率赋值函数,|F<sub>is</sub>∩F<sub>jt</sub>|表示取绝对值运算;步骤2、选取三种常用的冲突度量方法两两结合构成多证据源冲突的组合度量方法,对证据源进行分析,根据冲突度量方法和证据源的特性选择相应的组合冲突度量方法:多证据源冲突的组合度量方法包括有:将步骤1中选取的王壮的冲突度量方法和张昌芳的冲突方法算法组合构成的多证据源冲突度量方法中一种组合冲突度量方法;将步骤1中选取的王壮的冲突度量方法和赌博信度距离组合构成的多证据源冲突的组合度量方法中的一种组合冲突度量方法;将步骤1中选取的张昌芳的冲突度量方法和赌博信度距离组合构成的多证据源冲突的组合度量方法中的一种组合冲突度量方法;具体按照以下方法实施:将步骤1中选取的王壮的冲突度量方法和张昌芳的冲突度量方法组合构成多证据源冲突度量方法中的一种组合冲突度量方法,具体按照以下方法实施:<maths num="0006" id="cmaths0006"><math><![CDATA[<mrow><msubsup><mi>K</mi><msub><mi>m</mi><mn>1</mn></msub><msub><mi>m</mi><mn>2</mn></msub></msubsup><mo>=</mo><mi>c</mi><mrow><mo>(</mo><mi>R</mi><mo>,</mo><msubsup><mi>K</mi><mrow><mi>i</mi><mi>j</mi></mrow><mi>n</mi></msubsup><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000849043460000022.GIF" wi="734" he="103" /></maths><maths num="0007" id="cmaths0007"><math><![CDATA[<mrow><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><mi>R</mi><mo>=</mo><munder><mo>&Sigma;</mo><mrow><mi>A</mi><mo>&SubsetEqual;</mo><mi>&Omega;</mi></mrow></munder><mfrac><mrow><mo>|</mo><msub><mi>m</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>A</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>m</mi><mn>2</mn></msub><mrow><mo>(</mo><mi>A</mi><mo>)</mo></mrow><mo>|</mo></mrow><mn>2</mn></mfrac></mrow></mtd></mtr><mtr><mtd><mrow><msubsup><mi>K</mi><mrow><mi>i</mi><mi>j</mi></mrow><mi>n</mi></msubsup><mo>=</mo><msub><mi>K</mi><mrow><mi>i</mi><mi>j</mi></mrow></msub><mo>+</mo><munder><mo>&Sigma;</mo><mrow><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>&cap;</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>&NotEqual;</mo><mi>&phi;</mi></mrow></munder><msub><mi>m</mi><mi>i</mi></msub><mrow><mo>(</mo><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>)</mo></mrow><mo>&CenterDot;</mo><msub><mi>m</mi><mi>j</mi></msub><mrow><mo>(</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>)</mo></mrow><mfrac><mrow><mo>|</mo><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>|</mo><mo>&CenterDot;</mo><mo>|</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>|</mo><mo>-</mo><mo>|</mo><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>&cap;</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>|</mo></mrow><mrow><mo>|</mo><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>|</mo><mo>&CenterDot;</mo><mo>|</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>|</mo></mrow></mfrac></mrow></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000849043460000031.GIF" wi="1712" he="430" /></maths>将步骤1中选取的王壮的冲突度量方法和赌博信度距离方法组合构成的多证据源冲突的组合度量方法中的一种组合冲突度量方法,具体按照以下方法实施:<maths num="0008" id="cmaths0008"><math><![CDATA[<mrow><msubsup><mi>K</mi><msub><mi>m</mi><mn>1</mn></msub><msub><mi>m</mi><mn>2</mn></msub></msubsup><mo>=</mo><mi>c</mi><mrow><mo>(</mo><mi>R</mi><mo>,</mo><msubsup><mi>difBetP</mi><msub><mi>m</mi><mn>1</mn></msub><msub><mi>m</mi><mn>2</mn></msub></msubsup><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000849043460000032.GIF" wi="909" he="125" /></maths><maths num="0009" id="cmaths0009"><math><![CDATA[<mrow><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><mi>R</mi><mo>=</mo><munder><mo>&Sigma;</mo><mrow><mi>A</mi><mo>&SubsetEqual;</mo><mi>&Omega;</mi></mrow></munder><mfrac><mrow><mo>|</mo><msub><mi>m</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>A</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>m</mi><mn>2</mn></msub><mrow><mo>(</mo><mi>A</mi><mo>)</mo></mrow><mo>|</mo></mrow><mn>2</mn></mfrac></mrow></mtd></mtr><mtr><mtd><mrow><msubsup><mi>difBetP</mi><msub><mi>m</mi><mn>1</mn></msub><msub><mi>m</mi><mn>2</mn></msub></msubsup><mo>=</mo><msub><mi>max</mi><mrow><mi>A</mi><mo>&SubsetEqual;</mo><mi>&Theta;</mi></mrow></msub><mrow><mo>(</mo><mo>|</mo><msub><mi>BetP</mi><msub><mi>m</mi><mn>1</mn></msub></msub><mo>(</mo><mi>A</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>BetP</mi><msub><mi>m</mi><mn>2</mn></msub></msub><mrow><mo>(</mo><mi>A</mi><mo>)</mo></mrow><mo>|</mo><mo>)</mo></mrow></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>8</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000849043460000033.GIF" wi="1501" he="302" /></maths>将步骤1中选取的张昌芳的冲突度量算法和赌博信度距离算法组合构成的多证据源冲突的组合度量方法中的一种组合冲突度量方法,具体按照以下算法实施:<maths num="0010" id="cmaths0010"><math><![CDATA[<mrow><msubsup><mi>K</mi><msub><mi>m</mi><mn>1</mn></msub><msub><mi>m</mi><mn>2</mn></msub></msubsup><mo>=</mo><mi>c</mi><mrow><mo>(</mo><msubsup><mi>K</mi><mrow><mi>i</mi><mi>j</mi></mrow><mi>n</mi></msubsup><mo>,</mo><msubsup><mi>difBetP</mi><msub><mi>m</mi><mn>1</mn></msub><msub><mi>m</mi><mn>2</mn></msub></msubsup><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>9</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000849043460000034.GIF" wi="901" he="95" /></maths><maths num="0011" id="cmaths0011"><math><![CDATA[<mrow><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><msubsup><mi>K</mi><mrow><mi>i</mi><mi>j</mi></mrow><mi>n</mi></msubsup><mo>=</mo><msub><mi>K</mi><mrow><mi>i</mi><mi>j</mi></mrow></msub><mo>+</mo><munder><mo>&Sigma;</mo><mrow><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>&cap;</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>&NotEqual;</mo><mi>&phi;</mi></mrow></munder><msub><mi>m</mi><mi>i</mi></msub><mrow><mo>(</mo><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>)</mo></mrow><mo>&CenterDot;</mo><msub><mi>m</mi><mi>j</mi></msub><mrow><mo>(</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>)</mo></mrow><mfrac><mrow><mo>|</mo><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>|</mo><mo>&CenterDot;</mo><mo>|</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>|</mo><mo>-</mo><mo>|</mo><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>&cap;</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>|</mo></mrow><mrow><mo>|</mo><msub><mi>F</mi><mrow><mi>i</mi><mi>s</mi></mrow></msub><mo>|</mo><mo>&CenterDot;</mo><mo>|</mo><msub><mi>F</mi><mrow><mi>j</mi><mi>t</mi></mrow></msub><mo>|</mo></mrow></mfrac></mrow></mtd></mtr><mtr><mtd><mrow><msubsup><mi>difBetP</mi><msub><mi>m</mi><mn>1</mn></msub><msub><mi>m</mi><mn>2</mn></msub></msubsup><mo>=</mo><msub><mi>max</mi><mrow><mi>A</mi><mo>&SubsetEqual;</mo><mi>&Theta;</mi></mrow></msub><mrow><mo>(</mo><mo>|</mo><msub><mi>BetP</mi><msub><mi>m</mi><mn>1</mn></msub></msub><mo>(</mo><mi>A</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>BetP</mi><msub><mi>m</mi><mn>2</mn></msub></msub><mrow><mo>(</mo><mi>A</mi><mo>)</mo></mrow><mo>|</mo><mo>)</mo></mrow></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>10</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000849043460000035.GIF" wi="1734" he="359" /></maths>其中,<img file="FDA0000849043460000036.GIF" wi="107" he="87" />为多证据源冲突度量方法,<img file="FDA0000849043460000037.GIF" wi="85" he="93" />是张昌芳冲突因子,<img file="FDA0000849043460000038.GIF" wi="221" he="86" />是赌博信度距离,c是combination的缩写;步骤3、采用的多证据源冲突的组合度量方法中的三种组合冲突度量方法计算出证据源间的冲突值,并对冲突值进行分析,根据冲突值的分析结果选择适合的证据理论,具体按照以下方法实施:采用步骤2中王壮的冲突度量方法和张昌芳的冲突度量方法组合的方法计算冲突值,并度量证据源间的冲突程度,即采用公式(5)和公式(6)计算证据源间的冲突值,度量证据源间的冲突程度,并根据证据源间的冲突值选择适合的证据理论:若冲突值介于以王壮的冲突度量方法和张昌芳的冲突度量方法为坐标轴相交的A区y∈[0,0.25],z∈[0,0.25],即分别采用王壮的冲突度量方法和张昌芳的冲突度量方法计算出的证据源间的冲突值都不大于0.25,表示证据源间的冲突程度很小,选择适用于低冲突下的DST证据理论;若冲突值落在以王壮的冲突度量方法和张昌芳的冲突度量方法为坐标轴相交的B区y∈[0.25,0.75],z∈[0,0.25]和C区y∈[0,0.25],z∈[0.25,0.75],中要根据阈值和冲突值的比较来判断冲突程度:若阈值设定为不小于0.75时,表示证据源间的冲突较大,适用于DSmT证据理论;若阈值小于0.75时,要根据实际阈值的选择和冲突结果判断冲突的大小;若冲突值落在以王壮的冲突度量方法和张昌芳的冲突度量方法为坐标轴相交的B区或C区以上的区域y∈[0.75,1],z∈[0,0.25]或y∈[0,0.25],z∈[0.75,1],采用王壮的冲突度量方法和张昌芳的冲突度量方法计算出的结果差异很大,此时冲突程度的确定需根据实际情况而定;以王壮的冲突度量方法和张昌芳的冲突度量方法为坐标轴相交的阴影区要根据实际情况而定,该阴影区位于坐标轴y轴与z轴之间,具体位于yoz平面内由B区、C区及D区围成,其中D区由五条边围成一个五边形,这五条边依次为:第一条边垂直于z轴,第一条边上端坐标为z=0.25,y=1,下端坐标为z=0.25,y=0.75;第二条边平行于z轴,第二条边一端坐标为z=0.25,y=1,第二条边另一端坐标为z=1,y=1;第三条边垂直于z轴,第三条边上端坐标为z=1,y=1,下端坐标为z=1,y=0.25;第四条边平行于z轴,第四条边一端坐标为z=1,y=0.25,第四条边另一端坐标为z=0.75,y=0.25;第五条边连接第一条与第四条边,使D区形成五边形;具体如下:若阈值接近0.25,接近A区的冲突较小而远离A区的冲突较大,接近A区的适用于DST理论而远离A区的适用于DSmT理论;D区冲突较小,适用于DST理论,但若阈值设定较大,则D区靠近阴影区的地方冲突较小,适用于DST证据理论,D区远离阴影区的大部分区域冲突较大,适用于DSmT证据理论;B区和C区及其以上区域会不存在或者不常见;采用王壮的冲突度量方法和赌博信度距离方法进行组合的方法计算出证据源间的冲突值并度量冲突程度,并选择证据理论,即采用公式(7)和公式(8)计算冲突值:若冲突值介于以王壮的冲突度量方法和赌博信度距离方法为坐标轴相交的A区y∈[0,0.25],x∈[0,0.25],即分别采用王壮的冲突度量方法和赌博信度距离方法计算出的证据源间的冲突值都不大于0.25,表示证据源间的冲突程度很小,选择适用于低冲突下的DST证据理论;若冲突值落在以王壮的冲突度量方法和赌博信度距离方法为坐标轴相交的B区y∈[0.25,0.75],x∈[0,0.25]和C区y∈[0,0.25],x∈[0.25,0.75],阈值设定为不小于0.75,冲突较大,适用于DSmT证据理论,若阈值小于0.75时,要根据实际阈值的选择和冲突结果选择证据理论;若冲突值落在B区或C区以上区域y∈[0.75,1],x∈[0,0.25]或y∈[0,025],x∈[0.75,1],王壮的冲突度量方法和赌博信度距离方法计算出的结果差异很大,此时冲突程度的确定要根据实际情况而定;以王壮的冲突度量方法和赌博信度距离方法为坐标轴相交的阴影区要根据实际情况而定,该阴影区位于坐标轴y轴与x轴之间,具体位于xoy平面内由C区、D区及B区围成,其中D区由五条边围成一个五边形,这五条边依次为:第一条边垂直于x轴,第一条边上端坐标为x=0.25,y=1,下端坐标为x=0.25,y=0.75;第二条边平行于x轴,第二条边一端坐标为x=0.25,y=1,第二条边另一端坐标为x=1,y=1;第三条边垂直于x轴,第三条边上端坐标为x=1,y=1,下端坐标为x=1,y=0.25;第四条边平行于x轴,第四条边一端坐标为x=1,y=0.25,第四条边另一端坐标为x=0.75,y=0.25;第五条边连接第一条与第四条边,使D区形成五边形;具体如下:若阈值接近0.25,接近A区的冲突较小而远离A区的冲突较大,接近A区的较为适用于DST理论而远离A区的适用于DSmT理论;D区冲突较大,但若阈值设定较大,则D区靠近阴影区的地方冲突较小,适用于DST证据理论,远离D区阴影的大部分区域冲突较大,远离D区阴影的大部分区域适用于DSmT证据理论;B区和C区及其以上区域会不存在或者不常见;采用张昌芳的冲突度量方法和赌博信度距离方法组合的方法计算出证据源间的冲突值并度量冲突程度,并选择证据理论,即采用公式(9)和公式(10)计算冲突值:若冲突值介于以张昌芳的冲突度量方法和赌博信度距离为坐标轴相交的A区x∈[0,0.25],z∈[0,0.25],即证据源间的冲突值都小于等于0.25,表示证据源间的冲突程度很小,适用于低冲突下的DST证据理论;若冲突值落在以张昌芳的冲突度量方法和赌博信度距离方法为坐标轴相交的B区x∈[0.25,0.75],z∈[0,0.25]和C区x∈[0,0.25],z∈[0.25,0.75],阈值设定为不小于0.75时,冲突较大,适用于DSmT证据理论;若阈值小于0.75,要根据实际阈值的选择和冲突结果判断冲突大小;若冲突值落在B区或C区以上的区域x∈[0.75,1],z∈[0,0.25]或x∈[0,0.25],z∈[0.75,1],张昌芳的冲突度量方法和赌博信度距离计算出的结果差异很大,此时冲突程度的确定需根据实际情况而定;以张昌芳的冲突度量方法和赌博信度距离方法为坐标轴相交的阴影区要根据实际情况而定,该阴影区位于坐标轴x轴与z轴之间,具体位于xoz平面内由B区、C区及D区围成,其中D区由五条边围成一个五边形,这五条边依次为:第一条边垂直于x轴,第一条边上端坐标为x=0.25,z=1,下端坐标为x=0.25,z=0.75;第二条边平行于x轴,第二条边一端坐标为x=0.25,z=1,第二条边另一端坐标为x=1,z=1;第三条边垂直于x轴,第三条边上端坐标为x=1,z=1,下端坐标为x=1,z=0.25;第四条边平行于x轴,第四条边一端坐标为x=1,z=0.25,第四条边另一端坐标为x=0.75,z=0.25;第五条边连接第一条与第四条边,使D区形成五边形;具体如下:若阈值接近0.25,接近A区的适合DST理论而远离A区的适用于DSmT理论;D区适用于DSmT理论,但若阈值设定较大,则D区靠近阴影区的地方适合DST证据理论,D区远离阴影区的大部分区域适用于DSmT证据理论;B区和C区及其以上区域会不存在或者不常见。
地址 710048 陕西省西安市金花南路19号